企业官网建设流程全解析

3 步跑起自托管 AI 对话平台：Open WebUI 离线部署新手实操

【免费下载链接】open-webuiUser-friendly AI Interface (Supports Ollama, OpenAI API, ...)项目地址: https://gitcode.com/GitHub_Trending/op/open-webui

使用云端 AI 服务时，对话内容会发送到别人的服务器，数据流向难以控制。Open WebUI 是一个可完全离线运行的自托管 AI 对话平台，对话数据只存你自己的机器，可连接 Ollama 本地模型或任意 OpenAI 兼容 API。它把界面、账号体系、知识库和权限管理打包在一起：个人可以离线跑本地模型，小团队可以按用户组分配不同模型的访问权限，文档问答通过内置知识库完成。

动手前的环境准备

3 步部署 Open WebUI 和 Ollama

第 1 步：克隆仓库。

git clone https://gitcode.com/GitHub_Trending/op/open-webui cd open-webui

第 2 步：启动服务。

docker-compose up -d

docker-compose.yaml 会同时拉起 ollama 与 open-webui 两个容器，并创建持久化数据卷。

第 3 步：确认服务就绪。

docker logs open-webui --tail 20

预期结果：日志中出现 uvicorn 启动信息，无报错即表示 WebUI 已在 3000 端口对外提供服务。

完成第一次接入：从注册到第一条消息

1. 浏览器打开http://localhost:3000，注册账号，第一个注册的账号自动成为管理员。

2. 进入 Ollama 页面，输入ollama pull llama3.2拉取一个本地模型，等待拉取完成。
3. 进入 Admin 设置页，确认 Ollama Base URL 为http://ollama:11434（compose 默认已配置好）。
4. 回到聊天界面，模型选择器选中刚才拉取的模型，发送"你好"，看到流式返回的回复即表示整条链路打通。

三个实用场景

场景一：用本地文档回答业务问题。

背景：需要基于公司内部资料问答，且资料不出内网。操作：上传 PDF/Markdown 到知识库并完成切片索引 → 新建对话，在模型选择器旁选中该知识库 → 提问。效果：回答基于文档内容生成，可回溯引用来源，整个检索过程在本地完成。

场景二：接入已有的 OpenAI 兼容 API。

背景：已有一台推理服务器（vLLM、LMStudio 均可），不想在本地跑模型。操作：Admin 设置 → Connections 添加连接，填 API 地址与密钥 → 保存 → 聊天界面切换模型。效果：Open WebUI 直接作为该推理端点的统一入口，多人共用同一套界面和账号体系。

场景三：重装系统前备份数据。

背景：机器要重装或迁移，历史对话不能丢。操作：查看 docker-compose.yaml 中open-webui:/app/backend/data卷挂载 →docker run --rm -v open-webui:/data alpine tar czf - -C /data . > webui-data.tar.gz导出卷内容 → 重装后把该目录重新挂回。效果：数据库、文件、知识库随卷一起迁移。

⚠️ 排错速查

资源与适用对象

这套部署方式适合需要数据留本地、想给多人共用一个 AI 入口的个人与小团队。进一步配置见仓库 README.md 安装与故障排查章节，服务启动逻辑见 backend/dev.sh，运行时参数见 backend/open_webui/config.py。

【免费下载链接】open-webuiUser-friendly AI Interface (Supports Ollama, OpenAI API, ...)项目地址: https://gitcode.com/GitHub_Trending/op/open-webui